Primer agente de operación de escritorio en superar el 90% de tasa de éxito: desde el apilamiento de modelos hasta la ingeniería, Shiai Agent lidera OSWorld

El 27 de julio, OSWorld actualizó su tabla de clasificación. Shiai Agent logró una tasa de éxito general del 90,2% con 325,59 puntos, encabezando tanto la clasificación general como la subclasificación de frameworks de agentes. Estableció un nuevo récord mundial en la evaluación pública de agentes de uso de ordenador, convirtiéndose en el primer agente de operación de escritorio en superar el 90% de éxito. OSWorld es un punto de referencia que prueba agentes en entornos Ubuntu reales a través de 361 tareas, evaluando percepción, planificación a largo plazo, coordinación multi-software y operaciones del sistema. Anteriormente, los modelos GPT, Gemini y Claude fueron evaluados en este punto de referencia. El progreso de la industria aumentó del 12,2% en 2024 al 72,6% en 2025, y al 83,6% en mayo de 2026. El avance del 90,2% de Shiai Agent superó cuellos de botella técnicos. El agente sobresale en coordinación entre aplicaciones (93 tareas), procesamiento de imágenes en GIMP (92,3% de éxito en 26 tareas) y operaciones a nivel de sistema (24 tareas sin errores). El equipo atribuye el éxito a la ingeniería sobre el ajuste de modelos. Shiai Intelligent, fundada en 2018, construyó un sistema Harness multimodal que utiliza interfaces de programación de aplicaciones (API) cuando están disponibles y operaciones de interfaz gráfica de usuario (GUI) en caso contrario, entrenado con datos a escala empresarial. La empresa planea mejorar la fiabilidad al 99,99%, mejorar la adaptación a entornos dinámicos y desplegar programación híbrida en la nube y en el borde para uso en producción.